GPT-6.1Sol

Chúng tôi giới thiệu GPT-6.1 Sol, bản nâng cấp của GPT-6 Sol có độ thông minh gần ngang GPT-6 Astra trong lập trình tác nhân, sử dụng máy tính và công việc chuyên môn, với giá token đầu vào và đầu ra chỉ bằng một phần năm mức giá tiêu chuẩn của Astra. Đầu vào lưu trong bộ nhớ đệm chỉ có giá $0.10 mỗi triệu token—thấp hơn 95% so với giá đầu vào tiêu chuẩn và thấp hơn 50% so với giá đầu vào lưu trong bộ nhớ đệm của GPT-6 Sol—giúp nhà phát triển có thêm dư địa xây dựng và vận hành các tác nhân mạnh mẽ tái sử dụng ngữ cảnh qua nhiều yêu cầu.

Sol mạnh mẽ hơn trên nhiều tác vụ

GPT-6.1 Sol mang đến sự cân bằng mới giữa năng lực và chi phí cho những công việc quan trọng hằng ngày. Mô hình cải thiện đáng kể so với GPT-6 Sol trong các công việc chuyên môn phức tạp, từ viết và gỡ lỗi mã đến hiểu tài liệu và thực hiện quy trình nghiệp vụ nhiều bước. Trong một số bài đánh giá này, mô hình đạt hiệu năng gần ngang GPT-6 Astra với chi phí thấp hơn đáng kể.

Lập trình

Trên DeepSWE v1.1, bài đánh giá các tác vụ kỹ thuật phần mềm phức tạp trong cơ sở mã thực tế, GPT-6.1 Sol ngang bằng GPT-6 Astra với chi phí khoảng một phần năm, đồng thời vượt điểm số cao nhất của GPT-6 Sol tới 6,4 điểm phần trăm với mức nỗ lực suy luận và chi phí thấp hơn.

Công việc chuyên môn

Trên GDP.pdf, bài đo độ chính xác khi mô hình trả lời câu hỏi chuyên môn dựa trên tài liệu PDF phức tạp có bảng, biểu đồ, sơ đồ và chi tiết chữ nhỏ, GPT-6.1 Sol đạt điểm cao hơn Opus 5.5 có cơ chế dự phòng với chi phí mỗi tác vụ chưa bằng một nửa ở các thiết lập suy luận được thử nghiệm. Mô hình cũng tiến gần hiệu năng hàng đầu của GPT-6 Astra với chi phí mỗi tác vụ khoảng một phần năm.

Trên AutomationBench, bài đo khả năng hoàn thành chính xác quy trình nghiệp vụ nhiều bước của tác nhân, GPT-6.1 Sol đạt điểm cao hơn Opus 5.5 tới 2,2 điểm phần trăm ở mức nỗ lực suy luận Vừa, với chi phí khoảng một phần ba. Điểm số này cũng cao hơn GPT-6 Sol 4,8 điểm phần trăm ở cùng thiết lập.

Sử dụng máy tính

GPT-6.1 Sol cũng tiến bộ đáng kể trong các tác vụ đòi hỏi tương tác với ứng dụng trên máy tính. Trên bộ ngoại tuyến của OSWorld 2.0, bài đánh giá tác nhân qua các quy trình sử dụng máy tính phức tạp, GPT-6.1 Sol vượt GPT-6 Sol bảy điểm phần trăm ở mức nỗ lực suy luận tối đa với chi phí chưa bằng một nửa. Mô hình chỉ kém Astra 2,1 điểm phần trăm ở mức nỗ lực suy luận tối đa, với chi phí mỗi tác vụ khoảng một phần bảy.

Nghiên cứu khoa học

Trên Terminal-Bench Science 0.1, bài đánh giá quy trình khoa học gồm phân tích dữ liệu, mô phỏng và chứng minh định lý, GPT-6.1 Sol đạt điểm hơn gấp đôi GPT-6 Sol ở mức nỗ lực suy luận tối đa với chi phí mỗi tác vụ chưa bằng một nửa. Ở mức nỗ lực tối đa, GPT-6.1 Sol có chi phí trung bình 5,47 USD mỗi tác vụ, so với 23,21 USD ở Opus 5.5 và 23,80 USD ở Astra, mang lại năng lực khoa học mạnh mẽ với chi phí thấp hơn cả hai mô hình trên 75%.

GPT-6 Astra vẫn đạt điểm cao nhất trong các mô hình được thử nghiệm với 68,1% và nên được dùng cho những tác vụ nghiên cứu khoa học khó nhất.

Độ chính xác của thông tin

GPT-6.1 Sol cũng cải thiện độ chính xác của thông tin khi xử lý các câu lệnh khó. Mức cải thiện lớn nhất về độ chính xác của thông tin so với GPT-6 Sol xuất hiện ở mức nỗ lực suy luận thấp, khi tỷ lệ câu trả lời chứa lỗi thông tin giảm từ 11,4% xuống 7,7%—tương đương mức giảm khoảng 32%. Trong các thiết lập suy luận được kiểm thử, tỷ lệ lỗi của mô hình luôn nằm trong phạm vi 1,9 điểm phần trăm so với GPT-6 Astra, trong khi chi phí cho mỗi tác vụ chưa bằng một phần năm.

Bài đánh giá này đo tỷ lệ câu trả lời có ít nhất một lỗi sai về thông tin trên các cuộc trò chuyện đã loại bỏ thông tin định danh, trong đó người dùng đã báo cáo lỗi của mô hình trước đó. Những câu lệnh được chủ ý chọn vì độ khó này không đại diện cho cách sử dụng thông thường.

Triển khai GPT-6.1 Sol an toàn

GPT-6.1 Sol cải thiện đáng kể so với GPT-6 Sol trong các bài đánh giá mức độ phù hợp với ý định và giá trị của con người, tiến gần hơn đến GPT-6 Astra.

GPT-6.1 Sol minh bạch hơn về giới hạn của mình và đáng tin cậy hơn trong việc tôn trọng ý định của người dùng cùng các ràng buộc an toàn. Trong các bài đánh giá khó, mô hình có tỷ lệ lỗi thấp hơn GPT-6 Sol về việc minh bạch khi công cụ tìm kiếm bị lỗi, tuân thủ hạn chế rõ ràng và tránh kết quả không được cho phép khi thực hiện tác vụ bằng tác nhân. Chúng tôi không ghi nhận nỗ lực vượt qua hệ thống kiểm duyệt an toàn tự động nào, tương tự GPT-6 Astra và GPT-6 Sol. Có thể xem đầy đủ chi tiết trong phụ lục thẻ hệ thống GPT-6.1 Sol⁠(mở trong cửa sổ mới).

Các bài đánh giá dưới đây chủ ý kiểm tra những tình huống khó và không đo tỷ lệ lỗi trong sử dụng thông thường.

Giá và phạm vi cung cấp

Từ hôm nay, GPT-6.1 Sol có sẵn cho mọi người dùng Plus, Pro, Business, Enterprise và Edu trong ChatGPT Công việc và Codex. GPT-6.1 Sol chưa có trong Trò chuyện. Nhà phát triển cũng có thể truy cập mô hình qua OpenAI API với tên gpt-6.1-sol. Giá API tiêu chuẩn là $2 mỗi triệu token đầu vào, $0.10 mỗi triệu token đầu vào lưu trong bộ nhớ đệm và $10 mỗi triệu token đầu ra. Trong những ngày tới, chúng tôi cũng sẽ cung cấp GPT-6.1 Sol Siêu nhanh⁠, với tốc độ tạo token nhanh hơn tới 8 lần so với tốc độ tiêu chuẩn trong Codex.